Investir dans l’humain : la formation comme actif stratégique IA

En 2024, l’AI Index de Stanford documentait une progression de 35 % des investissements mondiaux en IA générative sur douze mois. Dans le même cycle, les enquêtes de l’OCDE sur les compétences numériques au travail montraient que moins d’un tiers des salariés européens déclaraient se sentir capables d’évaluer une recommandation algorithmique dans leur domaine métier. Ce décrochage entre la vitesse de déploiement et la capacité des équipes à exercer un jugement éclairé sur les systèmes qu’elles utilisent n’est pas un problème de communication interne. C’est un risque de gouvernance.

Les organisations qui traitent la formation IA comme une ligne budgétaire variable, ajustable selon le contexte économique, confondent coût et actif. Un actif se déprécie si on ne l’entretient pas, mais il produit des rendements si on le capitalise. Le capital humain formé à l’IA responsable appartient à cette seconde catégorie : il conditionne la qualité des décisions que vos équipes prennent avec les systèmes, la détection précoce des dérives, et la légitimité sociale du déploiement aux yeux de vos parties prenantes.

Le paradoxe de l’adoption : des outils déployés, des repères absents

Sébastien dirige une direction des opérations dans un groupe de services B2B de 2 400 personnes. Son équipe utilise depuis dix-huit mois un outil de priorisation des tickets clients assisté par apprentissage automatique. Quand on lui demande si ses managers comprennent la logique de tri du système, il marque une pause : « Ils savent que ça fonctionne la plupart du temps. Mais quand ça rate, personne ne sait vraiment pourquoi, ni comment le signaler. On repart sur du bon sens humain sans capitaliser. »

Ce témoignage illustre un pattern que la chercheuse Timnit Gebru, cofondatrice du Distributed AI Research Institute, documente depuis plusieurs années : les biais d’un système mal compris par ses utilisateurs se propagent silencieusement, précisément parce que personne dans la chaîne n’a les repères pour les nommer. L’outil fonctionne, les KPI restent verts, et le problème s’accumule en dette invisible.

Le Règlement européen sur l’intelligence artificielle (AI Act), entré en vigueur en 2024, inscrit cette responsabilité dans le droit : les organisations déployant des systèmes IA à risque élevé doivent démontrer que les personnes qui supervisent ces systèmes possèdent les compétences nécessaires. La formation n’est plus une option pédagogique. Elle devient une condition de conformité.

Ce que « former à l’IA » signifie réellement pour un décideur non-technique

Le malentendu le plus fréquent chez les dirigeants : confondre formation à l’IA et formation technique. La grande majorité des personnes qui travailleront avec des systèmes d’IA dans votre organisation ne coderont jamais un modèle. Ce qu’elles doivent acquérir relève d’une autre discipline : la capacité à formuler une intention de manière précise, à identifier quand une sortie algorithme est plausible mais fausse, à poser les bonnes questions sur les données d’entraînement, et à assumer la responsabilité de la décision finale que le système éclaire sans la prendre.

Laurence Devillers, professeure à Sorbonne Université et chercheuse à l’INRIA, insiste sur ce point dans ses travaux sur l’interaction humain-machine : l’enjeu n’est pas d’expliquer la technique, mais de former au discernement. Un DRH qui sait qu’un outil de tri de CV peut sur-pondérer des critères liés au genre ou à la géographie sans que cela apparaisse dans l’interface, et qui sait comment le tester, vaut infiniment plus pour la gouvernance IA de son organisation qu’un DRH qui a suivi un MOOC de deux heures sur le machine learning.

Amina pilote la transformation RH d’un groupe hospitalier public de 5 000 agents. Elle a construit en 2023 un programme de formation en deux niveaux : un socle commun de quatre heures pour l’ensemble des cadres (lire une sortie IA, identifier un biais de confirmation, documenter un incident), et un niveau avancé de deux jours pour les référents métier qui supervisent les outils déployés dans leur département. « Ce que j’ai appris, c’est que la formation ne sert pas à rendre les gens confiants dans l’IA. Elle sert à leur donner le droit de dire non quand c’est nécessaire. »

La gouvernance IA se construit dans les équipes, pas dans les chartes

Beaucoup d’organisations ont rédigé une charte éthique IA. Peu ont vérifié si les personnes censées l’appliquer au quotidien comprennent ce qu’elle implique concrètement sur leur poste. Une charte sans formation est une intention sans mécanisme d’exécution.

L’AI Now Institute, dans ses rapports annuels sur l’accountability des systèmes algorithmiques, pointe systématiquement le même angle mort : les politiques de gouvernance IA s’arrêtent au niveau du COMEX ou du bureau du DPO, et ne percolent pas jusqu’aux équipes qui utilisent les outils. Résultat : les garde-fous existent sur le papier, mais personne dans la ligne managériale intermédiaire ne sait les activer en situation réelle.

Thomas est data scientist dans une mutuelle de santé. Il développe des modèles de détection d’anomalies dans les remboursements. « Le vrai problème, ce n’est pas mon code. C’est que quand je livre un modèle aux équipes de contrôle, elles n’ont pas les outils conceptuels pour me dire si mes résultats font sens dans leur réalité métier. On tourne en rond : je leur fais confiance sur le métier, elles me font confiance sur la technique, et personne ne regarde l’angle mort entre les deux. » Ce qu’il décrit, c’est l’absence d’un langage commun, précisément ce que la formation transversale est censée construire.

La gouvernance IA efficace repose sur des personnes capables de converser à la frontière entre la technique et le métier, pas uniquement sur des comités d’experts séparés. Former les équipes opérationnelles à ce langage de frontière, c’est créer les conditions pour que vos politiques de gouvernance existent ailleurs que dans un document PDF.

Calculer le retour sur investissement d’une formation qu’on ne mesure pas

L’obstacle le plus fréquent dans les arbitrages budgétaires : la formation IA ne produit pas de ligne dans le tableau de bord des gains IA. Le coût est visible, le retour est diffus. Cet asymétrie comptable explique pourquoi la formation est systématiquement sous-financée par rapport aux licences logicielles et à l’infrastructure.

Le NIST, National Institute of Standards and Technology, a publié en 2023 son AI Risk Management Framework, qui propose une approche différente : traiter la capacité humaine à superviser les systèmes IA comme une composante du risque résiduel. Quand vous déployez un outil sans former les superviseurs, vous acceptez un niveau de risque opérationnel que vous ne mesurez pas. Formulé ainsi, la formation change de colonne dans le raisonnement financier : elle n’est plus un coût pédagogique, elle est une réduction de risque.

Concrètement, cela signifie intégrer dans votre calcul de ROI les incidents évités (décision erronée non détectée, signalement tardif d’une dérive, non-conformité AI Act), les coûts de remédiation que la détection précoce permet d’éviter, et la capacité accrue à itérer sur les systèmes quand les équipes comprennent ce qu’elles pilotent. Ces éléments ne s’inscrivent pas naturellement dans un tableur de business case, mais ils constituent l’essentiel de la valeur produite.

« Faire croître ce qui compte vraiment, en matière d’IA, commence par investir dans la capacité des équipes à exercer leur jugement, pas seulement dans la puissance des outils qu’on leur confie. », La rédaction Afervescence

Vers une stratégie IA où la formation précède le déploiement

Le séquençage habituel, déployer, puis former, produit des organisations qui courent après leurs propres outils. Le séquençage alternatif, former les référents métier et managériaux avant le déploiement à grande échelle, change la nature même du projet : les équipes ne découvrent pas l’outil après coup, elles participent à définir les conditions dans lesquelles il sera utilisé de manière fiable.

Ce changement de séquençage a des implications concrètes sur la gouvernance : il suppose que la DRH soit impliquée dans la feuille de route IA dès la phase de cadrage, que les plans de formation soient définis au moment de la décision d’achat ou de développement, et que les managers de proximité soient formés avant leurs équipes pour pouvoir tenir le rôle de relais et de filtre critique.

Gary Marcus, chercheur en sciences cognitives et critique rigoureux des promesses de l’IA, rappelle régulièrement que les systèmes actuels ne remplacent pas le jugement humain, ils le délèguent temporairement, et attendent d’être rattrapés par lui quand ils déraillent. Cette délégation ne peut fonctionner que si le jugement humain est effectivement formé à reconnaître le moment où reprendre la main. Sans cette capacité, le système n’est pas supervisé : il est suivi.

Pour les organisations qui font croître ce qui compte vraiment, l’investissement dans la formation IA n’est pas un signal d’accompagnement du changement. C’est la décision stratégique qui rend tous les autres investissements IA défendables dans la durée, devant vos équipes, devant votre conseil, et devant les régulateurs qui vous demanderont bientôt de le démontrer.

Pour aller plus loin, decouvrez notre accompagnement des organisations et notre approche.

Et si votre prochain comité de pilotage IA commençait par cette question : quelle est la capacité actuelle de vos équipes à exercer un jugement éclairé sur les systèmes que vous leur demandez de piloter ?